Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)
Billkaf Syava Al Bana
Universitas Nusantara PGRI Kediri
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Mathematics Mechanical Engineering Transportation

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Implementasi Metode Random Forest untuk Prediksi Bencana Banjir Bulanan di Wilayah Kabupaten Kediri Billkaf Syava Al Bana; Risa Helilintar; Rony Heri Irawan
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 10 No. 3 (2026): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2026
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/52qp9398

Abstract

Kejadian banjir yang dipengaruhi oleh tingginya curah hujan dan jumlah hari hujan dapat menimbulkan berbagai dampak bagi masyarakat, terutama pada wilayah yang memiliki potensi banjir cukup tinggi seperti Kabupaten Kediri. Proses identifikasi potensi banjir secara manual dinilai kurang efeketif dalam mengenali pola hubungan data historis sehingga diperlukan sistem prediksi yang mampu membantu proses klasifikasi kondisi banjir secara lebih cepat dan terstruktur. Penelitian ini bertujuan membangun sistem prediksi bencana banjir bulanan menggunakan metode Random Forest dengan tahapan pra-pemrosesan berupa penggabungan data, transformasi data, normalisasi data dan pembagian data latih serta data uji. Hasil evaluasi model menunjukkan bahwa Random Forest memperoleh nilai akurasi sebesar 75% sehingga metode ini dinilai cukup baik dalam melakukan klasifikasi kondisi banjir dan tidak banjir. Model yang telah melalui proses evaluasi kemudian diimplementasikan ke dalam aplikasi berbasis web menggunakan framework Streamlit untuk membantu proses prediksi banjir secara lebih cepat dan terstruktur berdasarkan data yang dimasukkan pengguna.
Co-Authors Risa Helilintar